Bulanık ve yalın yapay sinir ağları ile çoklu lojistik regresyon yöntemlerinin sınıflandırma performanslarının karşılaştırılması: Ülkelerin gelişmişlik düzeylerinin sınıflandırılması üzerine bir uygulama
Yükleniyor...
Tarih
2017
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Aksaray Üniversitesi Sosyal Bilimler Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
İstatistik, ekonometri ve veri madenciliği alanlarında sınıflandırma problemlerine sıklıkla karşılaşılmaktadır. Problemin çözümünde kullanılan teknikler günün teknolojisine bağlı olarak her geçen gün değişmekte ve gelişmektedir. Bu amaçla, günümüzde çok değişkenli istatistik tekniklerin yanısıra bulanık ve yapay zekâya dayanan yöntemler de kullanılmaktadır. Bu çalışmada, çok değişkenli istatistik tekniklerinden çoklu lojistik regresyon (ÇLR), makine öğrenme tekniklerinden yapay sinir ağı (YSA) ve YSA ile bulanık mantık tekniğinin birleşimi olan ve hibrid öğrenme tekniğine dayanan Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi (Adaptive Neural Fuzzy Inference System-ANFIS) yöntemlerinin sınıflandırma performanslarının karşılaştırılması amaçlanmaktadır. Bu amaç doğrultusunda Birleşmiş Milletler Dünya Gelişmişlik Göstergeleri ve ÇLR, YSA ve ANFIS yöntemleri kullanılarak İnsani Gelişmişlik Endeksi'ne (İGE) göre ülkeler sınıflandırılmış ve elde edilen sonuçlar İGE ile karşılaştırılmıştır. İGE'ye göre ülkeler; yaşam beklentisi, gelir ve sağlık göstergelerine dayanarak gelişmişliklerine göre sınıflandırılmaktadır. Bu kapsamda gerekli elemeler yapıldıktan sonra sağlık, girişimcilik, makroekonomi, mikroekonomi, lojistik, ticaret, sosyal hayat ve doğal faktörler olmak üzere sekiz ana konudan oluşan 27 gelişmişlik göstergesi kullanılarak 185 ülke için 2015 yılı insani gelişmişlik endeksi ölçülmüş ve sınıflandırma tahmini yapılmıştır. Analiz sonuçları ele alındığında, iktisadi açıdan; çalışmada hesaplanan tahmini endekse göre gelişmişlik, İGE'den farklı olarak, yedi faktör ve sekiz ana konudan oluşmaktadır. İstatistiki açıdan ülkeler; ÇLR'ye göre %81.6, YSA'ya göre %87.5 ve ANFIS'e göre %91.36 oranında doğru sınıflandırılmıştır. Bu durumda ANFIS yönteminin hem YSA'dan hem de ÇLR'den daha başarılı sonuçlar verdiği gözlenmiştir. Aynı zamanda YSA yöntemine göre yanlış sınıflandırılan ülkelerin tamamının ÇLR yönteminde de yanlış sınıflandırıldığı saptanmış ve bu sınıflandırmanın ANFIS yönteminin çıktısı ile çoğunlukla farklı olduğu sonuçlarına ulaşılmıştır.
Classification problems are frequently encountered in the fields of statistics, econometrics and data mining. Techniques used to solve the problem are changing and developing day by day depending on the technology of the age. For this purpose, besides multivariate statistical techniques, methods based on fuzzy and artificial intelligence are also used today. This study aims to make a comparison between the classification performances of multiple logistic regression methods (CLR), artificial neural network (YSA) from machine learning techniques and Adaptive Neural Fuzzy Inference System (ANFIS), which is a combination of YSA and fuzzy logic technique and is based on hybrid learning technique. For this purpose, the countries were classified according to the Human Development Index (HDI) using United Nations World Development Indicators and CLR, YSA and ANFIS methods and the results were compared with the HDI. According to HDI, countries are classified according to their development as per life expectancy, income, and health indicators. In this context, the human development index of 2015 was measured for 185 countries by using 27 development indicators under eight main topics of health, entrepreneurship, macroeconomics and microeconomics, logistics, trade, social life and natural factors and classification of these countries was estimated. When the analysis results are considered, in economic terms, development is composed of seven factors and eight main subjects according to the estimated index calculated in the study, which is different from the HDI. In terms of statistics, countries have been classified correctly at a rate of 81.6% according to CLR, 87.5% according to YSA and 91.36% according to ANFIS. In this case, it was observed that the ANFIS method gave better results than both YSA and CLR. At the same time, it was determined that all of the countries that were misclassified according to the YSA method were misclassified in the CLR method too and the results of this classification were found to be mostly different from the outputs of the ANFIS method.
Classification problems are frequently encountered in the fields of statistics, econometrics and data mining. Techniques used to solve the problem are changing and developing day by day depending on the technology of the age. For this purpose, besides multivariate statistical techniques, methods based on fuzzy and artificial intelligence are also used today. This study aims to make a comparison between the classification performances of multiple logistic regression methods (CLR), artificial neural network (YSA) from machine learning techniques and Adaptive Neural Fuzzy Inference System (ANFIS), which is a combination of YSA and fuzzy logic technique and is based on hybrid learning technique. For this purpose, the countries were classified according to the Human Development Index (HDI) using United Nations World Development Indicators and CLR, YSA and ANFIS methods and the results were compared with the HDI. According to HDI, countries are classified according to their development as per life expectancy, income, and health indicators. In this context, the human development index of 2015 was measured for 185 countries by using 27 development indicators under eight main topics of health, entrepreneurship, macroeconomics and microeconomics, logistics, trade, social life and natural factors and classification of these countries was estimated. When the analysis results are considered, in economic terms, development is composed of seven factors and eight main subjects according to the estimated index calculated in the study, which is different from the HDI. In terms of statistics, countries have been classified correctly at a rate of 81.6% according to CLR, 87.5% according to YSA and 91.36% according to ANFIS. In this case, it was observed that the ANFIS method gave better results than both YSA and CLR. At the same time, it was determined that all of the countries that were misclassified according to the YSA method were misclassified in the CLR method too and the results of this classification were found to be mostly different from the outputs of the ANFIS method.
Açıklama
Anahtar Kelimeler
İnsani Gelişmişlik Endeksi, Yapay Sinir Ağı, ANFIS, Çoklu Lojistik Regresyon, Sınıflandırma, Human Development Index, Artificial Neural Network, Multiple Logistic Regression, Classification
